分组管理 NA 的整洁方式？ [复制]答案

【问题标题】：Tidy way of NA management by groups? [duplicate]分组管理 NA 的整洁方式？ [复制]
【发布时间】：2020-07-27 20:49:45
【问题描述】：

我的问题如下：

我有一个 tibble，我想用 3 种不同的情况进行修改：

组中的所有值都是NA
至少有一个但不是全部是NA。在这种情况下，将 NA 替换为任意值（例如：0.5）
没有一个是NA

示例：（与group_byind）

    a1 = c(0.3,0.1,NA,0.7,0.2)
    a2 = rep(NA,5)
    a3 = c(0.1,0.3,0.5,0.7,0.8)
    tibble(ind = c(rep("A",5),rep("B",5),rep("C",5)),
       value = c(a1,a2,a3)

A 组的段应产生 c(0.3,0.1,0.5,0.7,0.2)

B 组的段应该产生 rep(NA,5)

C 组的段应该保持不变

我尝试过使用if、ifelse 和case_when 语句，但我认为我遗漏了一些非常明显的东西。感谢所有帮助。

【问题讨论】：

所以你只想用 0.5 替换 a1 中的 NA 值？
正确，但是如果整个组是NA 或者他们都没有保留所有NAs 或保留所有值。

标签： r group-by na dplyr tidy

【解决方案1】：

编辑：

这是一种 hack 方法，虽然我知道还有一种更简洁的方法：

library(dplyr)
df %>% 
  group_by(ind) %>% 
  mutate_if(is.logical, as.numeric) %>% 
  mutate(a1 = case_when(is.na(a1) & sum(is.na(a1)) < length(a1) ~ 0.5, TRUE ~ a1),
         a2 = case_when(is.na(a2) & sum(is.na(a2)) < length(a2) ~ 0.5, TRUE ~ a2),
         a3 = case_when(is.na(a3) & sum(is.na(a3)) < length(a3) ~ 0.5, TRUE ~ a3))

Edit2：这是更简洁的方法

point_five <- function(x){
  x = case_when(is.na(x) & sum(is.na(x)) < length(x) ~ 0.5, TRUE ~ x)
}

df %>%
  group_by(ind) %>% 
  mutate_if(is.logical, as.numeric) %>% 
  mutate(across(.cols = c(a1:a3), ~ point_five(.)))

这给了我们：

# A tibble: 5 x 4
# Groups:   ind [1]
  ind      a1    a2    a3
  <chr> <dbl> <dbl> <dbl>
1 A       0.3    NA   0.1
2 A       0.1    NA   0.3
3 A       0.5    NA   0.5
4 A       0.7    NA   0.7
5 A       0.2    NA   0.8

如果我们有df2，包含ind 的两个组，group_by 将给我们：

   ind      a1    a2    a3
   <chr> <dbl> <dbl> <dbl>
 1 A       0.3    NA   0.1
 2 A       0.5    NA   0.3
 3 A       0.5    NA   0.5
 4 A       0.7    NA   0.7
 5 A       0.2    NA   0.8
 6 B       0.5    NA   0.1
 7 B       0.5    NA   0.3
 8 B       0.5    NA   0.5
 9 B       0.5    NA   0.7
10 B       0.2    NA   0.8

df2

structure(list(ind = c("A", "A", "A", "A", "A", "B", "B", "B", 
"B", "B"), a1 = c(0.3, 0.5, NA, 0.7, 0.2, NA, 0.5, NA, NA, 0.2
), a2 = c(NA, NA, NA, NA, NA, NA, NA, NA, NA, NA), a3 = c(0.1, 
0.3, 0.5, 0.7, 0.8, 0.1, 0.3, 0.5, 0.7, 0.8)), row.names = c(NA, 
-10L), class = c("tbl_df", "tbl", "data.frame"))

【讨论】：

我可能表达错误了。 0.5 不是因为它恰好是最后一个值，它是一个任意数字。为清楚起见，将进行编辑。
为了清楚起见更改了示例

【解决方案2】：

一种使用case_when的方法

df %>%
  group_by(ind) %>%
  mutate(value2 = case_when(
    !all(is.na(value)) & is.na(value) ~ 0.5,
    TRUE ~ value
  ))


#-----

# A tibble: 15 x 3
# Groups:   ind [3]
   ind   value value2
   <chr> <dbl>  <dbl>
 1 A       0.3    0.3
 2 A       0.1    0.1
 3 A      NA      0.5
 4 A       0.7    0.7
 5 A       0.2    0.2
 6 B      NA     NA  
 7 B      NA     NA  
 8 B      NA     NA  
 9 B      NA     NA  
10 B      NA     NA  
11 C       0.1    0.1
12 C       0.3    0.3
13 C       0.5    0.5
14 C       0.7    0.7
15 C       0.8    0.8

示例数据

a1 = c(0.3,0.1,NA,0.7,0.2)
a2 = rep(NA,5)
a3 = c(0.1,0.3,0.5,0.7,0.8)
df <- tibble(ind = c(rep("A",5),rep("B",5),rep("C",5)),
             value = c(a1,a2,a3))

【讨论】：